您已经有了 maker。我们是循环的另一半。

Claude 或 GPT 会很轻松地写出赔付表、权重表和 feature。它做不到的是精确计算 RTP、在玩家上测试设计,或对自己说不。我们销售的正是这一半,并以您的 LLM 可调用工具的形式提供。

试用引擎

您的问题

RTP 是编出来的

模型自信地给出 96.1%。没人枚举过卷轴。第一个真实数字要等游戏上线后才会出现。

没有玩家可测试

没有回合数据,没有 cohort,也无法知道该设计是否能把任何人留到第一场会话之后。

没有机制说不

LLM 给自己的作品打分。没有带成本边界、感知预算或一致性检查的 checker。

您将获得

作为工具的精确引擎

PAR 表和权重表引擎,可对 LLM 起草的任何内容计算精确 RTP、命中频率和 volatility,并给出 Monte Carlo 置信区间。

从第一天起就有合成玩家

包含十种可切换机制的行为族群(损失厌恶、chasing、停止规则、house money 等),基于聚合语料预训练,并会对数学结果做出反应。

一个带理由说不的 checker

来自 Loop Engineering 论文的关口:在明确置信度下的成本上界、感知预算、一致性检查。通过或失败,以及原因。

今天即可获得私有访问

引擎已在浏览器中上线。托管的 REST 和 MCP 端点处于私有访问阶段;提出申请后我们会为您完成 onboarding。

证据

先手动运行循环

权重表模拟器会在您的浏览器中,针对合成玩家群体运行同一个 maker、checker 和 memory。

打开模拟器

群体就是参数

802 次模拟运行展示了行为族群,以及每种机制对留存和账本的影响。

阅读研究

Loop Engineering for Self-Improving Slot Agents

六个 primitives、五个阶段,以及您的 LLM 所缺失的 maker–checker 分离。

阅读论文

第一步

  1. 1

    把草案放进模拟器运行

    粘贴您的 LLM 生成的赔付表或权重表,并读回精确数值。

  2. 2

    申请工具访问

    告诉我们您使用哪个模型构建,以及您正在交付什么。我们会为您开通私有端点。

  3. 3

    闭合循环

    您的 LLM 提出方案,reSlot 计算、模拟并评分,然后经验回到下一次提案中。

工作室常问的问题

从你的实际问题开始

带上一张表,聊一个目标。

想减少送审前的反复、评估补偿预算,或验证 AI 生成的方案?告诉我们你要优化的指标,带上 PAR 表、权重表或草稿。一起确定评估范围、交付结果和下一步。